我经常需要在fasta文件中查找特定的序列并将其打印出来。对于那些不知道的人，fasta是生物序列（DNA，蛋白质等）的文本文件格式。这很简单，你有一个序列名前面有一个'>'的行，然后直到下一个'>'后面的所有行都是序列本身。例如：从fasta文件打印序列
>sequence1
ACTGACTGACTGACTG
>sequence2
ACTGACTGACTGACTG
ACTGACTGACTGACTG
>sequence3
ACTGACTGACTGACTG
目前我得到我所需要的序列的方法是使用grep有-A的，所以我会做
grep -A 10 sequence_name filename.fa
，然后，如果我没有看到文件中下一个序列的开始，我将把10改为20并重复，直到我确定我已经完成了整个序列。
看起来应该有更好的方法来做到这一点。例如，我可以让它打印到下一个'>'字符吗？
使用>作为记录分隔符：
awk -v seq="sequence2" -v RS='>' '$1 == seq {print RS $0}' file
>sequence2
ACTGACTGACTGACTG
ACTGACTGACTGACTG
喜欢这也许：
awk '/>sequence1/{p++;print;next} /^>/{p=0} p' file
因此，如果符合>sequence1开始，设置一个标志（p）开始打印，打印该行并移动到下一个。在后续行上，如果行以>开头，请更改p标志以停止打印。一般来说，打印如果标志p已设置。所以
grep -A 999999 "sequence1" file | awk 'NR>1 && /^>/{exit} 1'
，最多可打印sequence1后999999条线路和管道他们到awk：
或者提高一点上你grep的解决方案，以此来切断-A (after)上下文。 Awk然后在第1行之后的任何行的开始处查找>，如果找到一行，则退出。在此之前，1导致awk做它的标准事情，这是打印当前行。
$ perl -0076 -lane 'print join("\n",@F) if $F[0]=~/sequence2/' file
使用sed只：
sed -n '/>sequence3/,/>/ p' | sed '${/>/d}'
+1尼斯。我假设你知道如果你在脚本之后但在文件之前加上'RS ='>''，你就可以为自己节省'-v' ... – 2014-10-01 15:46:43
我这样做，但我喜欢将变量保持在前，文件在结束（非常像BEGIN块可以出现在脚本的任何位置，但通常在开始时看到）。 – 2014-10-01 15:47:27